Earticle

초록

한국어

안드로이드 퍼미션(permission)을 특징정보로 하여 기계학습을 이용한 안드로이드 악성 앱 탐지가 뛰어난 성과를 보이고 있는 가운데, 그 성능의 지속 가능성(sustainability)에 대한 평가의 필요성이 대두되고 있다. 이에 본 논문에서는 연도별 데이터를 기반으로 각각의 연도별로 기계학습 모델을 만들어 지속 가능성을 평가하는 실험을 진행한다. 각 연도별 데이터를 train set으로 사용하여 Random Forest 분류기를 학습시키고 다른 연도의 데이터를 test set으로 사용하여 탐지 정확도(accuracy)를 측정했다. 실험 결과, 테스트 셋(test set)의 연도에 따른 탐지 정확도의 편차가 최대 26.9%에 이르렀다.

목차

요약
1. 서론
2. 실험 방법
2.1. 사용 데이터셋
2.2. 실험 설계
3. 실험결과
3.1. 정확도 분석
3.2. clf year의 feature importance 분석
4. 결론
Acknowledgement
참고문헌

저자

• 조우상 [ 단국대학교 소프트웨어학과 ]
• 이호준 [ 단국대학교 소프트웨어학과 ]
• 박경록 [ 단국대학교 소프트웨어학과 ]
• 조성제 [ 단국대학교 소프트웨어학과 ] 교신저자
• 한상철 [ 건국대 컴퓨터공학과 ]

참고문헌